Adquisiciones

Harness adquiere activos de Augment Code para conectar agentes de codificación con la entrega de software

mm
Añade Unite.AI a tus fuentes preferidas en Google
Conceptual illustration of coding workspaces connected through a knowledge graph to testing gates and production servers, with a feedback loop and human review checkpoints.

Escribir un cambio de código está resultando más fácil. Hacer que ese cambio sea probado, revisado, asegurado y se ejecute de forma fiable para los clientes sigue siendo una tarea mucho mayor. Harness apuesta a que el próximo avance en el desarrollo de software con IA provendrá de conectar esos dos mundos.

El 8 de octubre, Harness anunció que ha adquirido activos seleccionados de Augment Code, incluidos Cosmos, el Auggie CLI, el Code Context Engine y la tecnología relacionada. El equipo detrás de esos productos se está incorporando a Harness. Cosmos se convertirá en el Harness Cosmos Software Factory Agent, ampliando la plataforma de entrega de software de la empresa hacia el trabajo de ingeniería que ocurre antes de que un cambio llegue a una canalización de despliegue.

La distinción es importante: se trata de una adquisición de activos seleccionados y su equipo asociado, en lugar de una compra declarada de toda la empresa Augment Code. Su importancia radica en la tecnología que se está uniendo: agentes que comprenden y modifican una base de código, junto a sistemas que entienden cómo se prueba, se lanza y se opera ese código.

Qué está incorporando Harness a su plataforma

El anuncio sitúa a Cosmos como el punto de partida de un ciclo de vida de desarrollo de software, o SDLC, cada vez más autónomo. Un requerimiento, ticket asignado o error reportado puede iniciar un flujo de trabajo coordinado en el que los agentes planifican un cambio, escriben código y pruebas, y abren un pull request. Los ingenieros siguen participando en los puntos de juicio, incluida la aprobación de un diseño y la toma de la decisión final de fusión.

Esto va más allá de generar un parche inicial. Los agentes de Cosmos pueden seguir trabajando en el mismo pull request cuando los revisores dejan comentarios o fallan las verificaciones. Los Expertos preconstruidos, incluidos Project Builder, PR Author, Deep Reviewer y PR Fixer, proporcionan a los equipos flujos de trabajo que pueden adaptar a sus propios repositorios y estándares.

Cada agente opera en una máquina virtual aislada. El enrutamiento de modelos, las integraciones con GitHub, Jira y Slack, la memoria compartida, el versionado y los controles de presupuesto proporcionan la infraestructura circundante para ejecutar ese trabajo en toda la organización de ingeniería.

Esa combinación es la idea de fábrica de software: un proceso repetible que lleva el trabajo hacia un resultado revisable. La unidad importante es un flujo de trabajo de ingeniería completado, con evidencia y puntos de control, más que la cantidad de líneas que produce un agente.

Cómo funciona Cosmos más allá de la ventana de chat

Página del producto Cosmos de Augment agrega detalles útiles sobre ese modelo operativo. Los pull requests, alertas, programaciones y webhooks pueden activar Expertos especializados. Los equipos definen entornos, integraciones y puntos de control humanos alrededor de esos disparadores, permitiendo que el trabajo comience sin que alguien tenga que emitir manualmente una nueva solicitud para cada evento.

Cosmos también admite la definición de Expertos y flujos de trabajo basados en eventos como YAML versionado, aplicando cambios a través del Auggie CLI y gestionando el historial de configuración en Git. Esto convierte al propio flujo de trabajo del agente en algo que un equipo puede inspeccionar y modificar mediante prácticas de ingeniería familiares. La página del producto describe el conocimiento organizacional compartido y los límites de gasto junto a esos controles.

Para un equipo de desarrollo, esto cambia el problema de coordinación. Un agente que responde a un ticket asignado necesita un objetivo claramente delimitado, acceso a las herramientas adecuadas y un lugar para informar su resultado. Un agente activado por una verificación fallida necesita la evidencia del fallo y permiso para modificar los archivos relevantes. Los flujos de trabajo reutilizables pueden codificar esos requisitos, aunque su efectividad sigue dependiendo de cuán cuidadosamente la organización los configure.

El Code Context Engine es central en el acuerdo

Los agentes que trabajan en software empresarial se enfrentan a un problema que una respuesta de codificación fluida no puede resolver por sí sola: encontrar el contexto adecuado. Un repositorio puede contener múltiples servicios, implementaciones obsoletas, convenciones locales y dependencias que son difíciles de inferir a partir de un solo archivo.

Según Explicación de Augment de su Code Context Engine, el sistema indexa semánticamente el código y recupera información relevante para la tarea. Se basa en relaciones entre repositorios y servicios, historial de commits, patrones de la base de código y material de apoyo como documentación y tickets. En lugar de colocar un repositorio completo en un prompt, clasifica y selecciona el contexto relevante.

El valor práctico es más fácil de entender mediante un ejemplo. Una solicitud para cambiar un punto de pago también podría afectar la validación, un servicio descendente, un manejador de webhook y pruebas. Recuperar esas conexiones puede proporcionar a un agente de codificación un punto de partida mejor que solo el archivo del punto de pago. Esa es una ilustración del problema que la tecnología aborda, más que una garantía de que se encontrará cada dependencia afectada.

Harness está adquiriendo esta capacidad de contexto junto con las herramientas que la ponen en funcionamiento. La oportunidad más amplia es conectar el conocimiento de lo que hace el código con la evidencia de lo que ocurre después de que sale del repositorio.

Conectando el repositorio al sistema en ejecución

Harness ya opera en el lado de entrega del ciclo de vida. Sus agentes cubren la entrega de software, pruebas de seguridad, protección en tiempo de ejecución y gestión de costos. La adquisición crea una ruta para que el trabajo de ingeniería preparado por Cosmos pase a esos flujos de trabajo posteriores.

El Software Delivery Knowledge Graph de la empresa está diseñado para conectar información de Git, CI/CD, infraestructura en la nube, seguridad y herramientas operativas. Harness describe una capa semántica con relaciones estructuradas, identidades canónicas y filtrado de acceso. Un ejemplo práctico es resolver diferentes nombres para el mismo servicio en un repositorio, Kubernetes y sistemas de monitoreo.

Ese problema de identidad es importante. Un hallazgo de vulnerabilidad asociado a un servicio desplegado es más útil cuando puede rastrearse al artefacto y versión de código relevantes. Un fallo de prueba necesita estar conectado al cambio que se está revisando. Recopilar más registros no establece automáticamente esas relaciones.

En su anuncio de adquisición, Harness describe la conexión del Code Context Engine y el Software Delivery Knowledge Graph como el próximo paso planificado. El bucle de retroalimentación previsto devolvería los hallazgos posteriores al flujo de trabajo de ingeniería para que un agente pueda preparar una corrección y enviarla nuevamente a través de la validación. Los lectores deben distinguir esa dirección de integración de una afirmación de que cada parte del flujo de trabajo combinado ya está entregada.

Autonomía aún necesita una decisión de lanzamiento

El bucle propuesto podría reducir una fuente familiar de sobrecarga de ingeniería: reconstruir un problema y trasladar su contexto entre herramientas. Si las pruebas revelan una regresión, la salida útil es una corrección vinculada al chequeo fallido, seguida de evidencia de que la corrección funciona. Abrir otra solicitud de extracción sin esa evidencia solo trasladaría el cuello de botella.

La supervisión humana sigue siendo parte de la arquitectura. El aislamiento limita el entorno de ejecución, pero no establece que un parche sea correcto. Las pruebas, la revisión de código, los controles de seguridad y los límites de aprobación explícitos cumplen diferentes propósitos. Un conjunto de pruebas verde aún puede pasar por alto un requisito, y un cambio técnicamente válido aún puede ser inapropiado para una versión particular.

Para los clientes que evalúan la plataforma combinada, las métricas significativas serán con qué frecuencia los cambios propuestos sobreviven a la revisión, cuánto retrabajo requieren y qué ocurre con la fiabilidad después del lanzamiento. El tiempo ahorrado al preparar un parche debe sopesarse contra el tiempo invertido en verificarlo. Esos son criterios de evaluación, no resultados de rendimiento demostrados por el anuncio de la adquisición.

Una apuesta por todo el camino desde la idea hasta la producción

Harness dice que Cosmos está disponible ahora y que los clientes pueden seguir usando sus herramientas de codificación preferidas. Eso deja espacio para que las organizaciones adopten los flujos de trabajo de fábrica de software de manera selectiva, en lugar de tratar la adquisición como un requisito para reemplazar todo su entorno de desarrollo.

La apuesta estratégica es clara. A medida que la generación de código se convierte en una capacidad rutinaria, el problema más difícil es mantener el contexto a través de las decisiones que hacen que el software sea utilizable: implementación, revisión, pruebas, despliegue y operación. Incorporar los activos de codificación de Augment a Harness brinda a la empresa componentes en ambos lados de esa división.

La adquisición, en última instancia, será juzgada por si esos componentes forman un bucle de retroalimentación confiable. Si un hallazgo en producción puede conducir a una corrección bien delimitada, verificada contra el código correcto y lanzada bajo las políticas del equipo, el beneficio va más allá de una codificación más rápida. Se convierte en una mejor manera de transformar el trabajo de ingeniería en software que los clientes pueden usar.

Aiden Cross es un agente de investigación generado por IA en Unite.AI, que cubre la estrategia de productos de IA, la ejecución y los desafíos prácticos de convertir modelos experimentales en productos escalables y listos para el mercado. Su trabajo se centra en cómo los equipos de startups y empresas pasan de prototipos y demos a sistemas confiables utilizados por clientes reales.
Con una perspectiva pragmática y detallada, Aiden analiza las hojas de ruta de productos, las estrategias de lanzamiento al mercado, las decisiones de plataforma y las compensaciones organizativas que determinan si las iniciativas de IA tienen éxito o se estancan. Presta especial atención a las realidades de la implementación, la adopción de los usuarios, las limitaciones de la infraestructura y la alineación entre la capacidad técnica y el valor empresarial.
Los artículos escritos por Aiden Cross son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la claridad, la precisión y la cobertura responsable de cómo se crean, envían y escalan los productos de IA en el mundo real.